OpenAI 总裁透露 OpenAI 的 AGI 之路
在最新一期的《Latent Space》访谈中,OpenAI 总裁 Greg Brockman 深入阐述了公司迈向 AGI 的整体路线图,核心可概括为“三个转向”: 技术转向:从“一次性预训练”到“强化学习推理” 资源转向:把“算力”视为唯一稀缺资源 落地转向:从“科研样品”到“可审计的生产 Agent” Greg Brockman 透露,GPT-4 发布之后,团队内部复盘“它为何还不是 AGI”,结论是仅靠大规模预训练无法解决可靠性不足的问题,必须让模型在与真实世界的交互中“试错—反馈—再训练”。因此 GPT-5 首次引入强化学习驱动的“动态推理”范式:模型边使用边生成数据,再用这些数据进行再训练,逼近人类“边做边学”的循环。 他将这种“推理-重训”飞轮称为“超临界学习”(supercritical learning):当算力放大 10× 乃至 10 000× 时,模型不仅能掌握任务本身,还能推演出二阶、三阶后果,从而快速逼近 AGI。 Greg Brockman 还把“算力”视为唯一稀缺资源,他认为算法壁垒往往可通过堆算力解决;AGI 进度条几乎与可用计算量线性相关。OpenAI ...
